CN109271586A - 一种知识模块化搜索系统及处理方法 - Google Patents
一种知识模块化搜索系统及处理方法 Download PDFInfo
- Publication number
- CN109271586A CN109271586A CN201811003035.5A CN201811003035A CN109271586A CN 109271586 A CN109271586 A CN 109271586A CN 201811003035 A CN201811003035 A CN 201811003035A CN 109271586 A CN109271586 A CN 109271586A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- module
- document
- library
- lower level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种知识模块化搜索系统,其特征在于,它包括知识分析模块、知识属性模块、用户画像模块、用户属性模块、搜索引擎模块、学术专家库模块、行业专家库模块、选择模块、知识文档过滤模块、有效知识文档库模块;它还包括职业岗位知识体系树形拓扑架构,根节点职业岗位下分为四层:系统层、课程层、单元层和知识点层;本发明的优点在于:针对不同类型的知识,使用差异化搜索方案,获取更高的查准率;同一类型的知识,提供知识模块化的架构模板,及对搜索用户画像,使搜索结果吻合个体知识工作者对知识文档搜索个性化需求,提高学习效率。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种知识模块化搜索系统及处理方法。
背景技术
随着互联网、物联网、人工智能、云计算、大数据、虚拟现实等新技术发展,人类加快步入知识型、学习型的社会,更多岗位需要重新学习、甚至迁移到新的职业岗位重构学习。与此同时互联网数据量急速新增,如何利用互联网,高效搜索出知识工作者需要的有效知识文库,具有重要的现实意义。
知识工作者在学习概念、原理类的基础知识,此类知识属于经典范畴,如互联网平台能快速、高效获得对此类知识深入研究的专家讲述或编写的知识文档,学习会起到事半功倍的效果,学习也会变成一种享受,使大量的知识工作者获得高效学习。知识工作者在学习技术、应用类的专业知识,此类知识属于行业案例型的知识,知识工作者面临是解决工作中遇到的问题,如利用互联网平台获得资深的行业专家运用实际案例,满足各行业个性学习需求,具有极大的社会价值。
另外,如何使具备丰富的专业知识的知识工作者,避免重复“造轮子”,利用互联网平台,搜索出有效技术、应用类的专业知识相关文档,进行再创造、重组更有价值的知识文档,对知识工作者会有重要的参考价值。
本方法可以满足大量知识工作者利用互联网获得有价值的知识文档来学习或再次创造,释放出知识工作者的人力资源潜力,具有极大的社会价值。
申请人经过查新,检索到下列与本发明有关的典型专利文献:
(1)获取搜索结果的方法和装置(申请人:北京百度网讯科技有限公司,申请号:CN201610779635.5)
(2)语义文本搜索(申请人:甲骨文国际公司,申请号:CN201580049293.5)。
目前的状态主要存在以下几个问题:
(1)基本以语义文本作为解决方案,实现搜索的查全率,对知识对象来说,对查准率要求更高。
(2)概念、原理类的基础知识,实际使用中更注重知识的权威性,专家对知识全面、深入的掌握基础上,深入浅出的展现;技术、应用类的专业知识,实际使用中更注重案例与问题的解决。搜索系统需从知识自身的特点考虑设计,满足知识工作者的需求。
(3)作为单个个体的知识工作者,知识模块化搜索系统满足个性化的学习需求。
发明内容
本发明的目的是提供一种知识模块化搜索系统及处理方法,使用差异化搜索方案;同一类型的知识,提供知识模块化的架构模板,及对搜索用户画像,使搜索结果吻合个体知识工作者对知识文档搜索个性化需求。
为了实现上述目的,本发明的技术方案是:
一种知识模块化搜索系统,其特征在于,它包括
知识分析模块,基于职业岗位知识模块化架构,对职业岗位的知识进行精确分析;
知识属性模块,基于职业岗位知识模块化架构,在精确分析的基础上,对知识作出属性定义;
用户画像模块,用于针对目标用户,刻画所述目标用户的用户画像;
用户属性模块,根据所述目标用户的用户画像,定义用户属性;
搜索引擎模块,基于对知识属性及用户属性的定义,通过搜索获得初步的知识文档库;
学术专家库模块,用于列举概念、原理类基础知识的知识文档及其作者;
行业专家库模块,用于列举技术、应用类专业知识的知识文档及其作者;
选择模块,用于从学术专家库和行业专家库中选取其一;
知识文档过滤模块,基于学术专家库模块或行业专家库模块,过滤初步的知识文档库;
有效知识文档库模块,用于向目标用户展示经过滤后有效的知识文档库。
进一步地,所述学术专家库模块包括
学术专家库等级模块,基于知识文档作者的权威定义其学术专家库等级;
学术专家库评价模块,基于互联网用户的评价定义学术专家的等第。
进一步地,所述行业专家库模块包括,
行业专家库属性模块,记录消费者用户的行业属性;
行业专家库等级模块,基于知识文档作者的权威定义其学术专家库等级;
行业专家库评价模块,基于互联网用户的评价定义知识文档的等第。
进一步地,它包括职业岗位知识体系树形拓扑架构,根节点职业岗位下分为四层:系统层、课程层、单元层和知识点层,所述系统层与课程层为职业岗位知识模块化架构。
进一步地,所述系统层包括通用知识模块M1、专业知识模块M2、管理知识模块M3直至行业知识模块Mk;
所述课程层为系统层的下一层,其包括通用知识模块M1的下层子节点课程M11直至课程M1j、专业知识模块M2的下层子节点课程M21直至课程M2j、管理知识模块M3的下层子节点课程M31直至课程M3j、行业知识模块Mk的下层子节点课程Mk1直至课程Mkj及其它知识模块的下层子节点课程。
进一步地,所述单元层为课程层的下一层,其包括课程M11的下层子节点知识单位M111直至知识单位M11m、课程M1j的下层子节点知识单位M1j1直至知识单位M1jm、课程Mk1的下层子节点知识单位Mk11直至知识单位Mk1m、课程Mkj的下层子节点知识单位Mkj1直至知识单位Mkjm及其它课程的下层子节点单元;
所述知识点层为单元层的下一层,其包括知识单位M111的下层子节点知识点M1111直至知识点M111n、知识单位M11m的下层子节点知识点M11m1直至知识点M11mn、知识单位M1j1的下层子节点知识点M1j11直至知识点M1j1n、知识单位M1jm的下层子节点知识点M1jm1直至知识点M1jmn、知识单位Mk11的下层子节点知识点Mk111直至知识点Mk11n、知识单位Mk1m的下层子节点知识点Mk1m1直至知识点Mk1mn、知识单位Mkj1的下层子节点知识点Mkj11直至知识点Mkj1n、知识单位Mkjm的下层子节点知识点Mkjm1直至知识点Mkjmn及其它知识单位的下层子节点知识点。
一种知识模块化搜索处理方法,其特征在于,包括如下步骤:
S1、根据职业岗位知识模块化架构,定义模块化知识的属性和用户属性;
S2、基于知识模块化架构的知识属性精确定义、用户属性的精确定义,以及模块化知识架构的合理定义,定义检索模型为Rocchio算法:
对查准率的追求,只允许进行正反馈,{α,β,γ}的参数设置为{1,0.75,0}:
S3、依据生成模块化知识定义的查询语义,使用Rocchio算法,搜索出初步知识文档库;
S4、选择学术专家库,跳转S5;选择行业专家库,跳转S7;
S5、收集概念、原理类的基础知识文档及其作者,建立学术专家库;
S6、学术专家库由高到低对知识文档进行排序,跳转S9;
S7、收集技术、应用类的专业知识文档及其作者,建立行业专家库;
S8、行业专家库由高到低对知识文档进行排序,跳转S9;
S9、根据学术专家库或行业专家库的排序,滤除初步知识文档库内排序为倒数1/4~1/6以内的知识文档;
S10、得到有效的知识文档库。
进一步地,步骤S6包括
S601、依照作者的行业专家库由高到低对知识文档进行排序;
S602、作者的行业专家库等级相同时,依照文档的评价等第由高到低对知识文档进行排序。
进一步地,步骤S8包括
S801、依照消费者用户的行业属性由高到低对知识文档进行排序;
S802、消费者用户的行业属性相同时,依照作者的行业专家库等级由高到低对知识文档进行排序;
S803、消费者用户的行业属性相同、作者的行业专家库等级也相同时,依照文档的评价等第由高到低对知识文档进行排序。
本发明的优点在于:针对不同类型的知识,使用差异化搜索方案,获取更高的查准率;同一类型的知识,提供知识模块化的架构模板,及对搜索用户画像,使搜索结果吻合个体知识工作者对知识文档搜索个性化需求,提高学习效率。
附图说明
图1为本发明的知识模块化搜索系统框架结构图;
图2为本发明的学术专家库模块的框架结构图;
图3为本发明的行业专家库模块的框架结构图;
图4为本发明的的知识模块化结构图;
图5为本发明实施例的知识模块化结构图(实施顾问岗位为例);
图6为本发明知识文档搜索系统处理框架结构图(基础知识为例);
图7为本发明知识文档搜索系统的处理流程图;
图8为本发明步骤S6的具体流程图;
图9为本发明步骤S8的具体流程图。
附图标记:
1知识分析模块2知识属性模块3用户画像模块
4用户属性模块5搜索引擎模块
6学术专家库模块601学术专家库等级模块602学术专家库评价模块
7行业专家库模块701行业专家库属性模块702行业专家库等级模块
703行业专家库评价模块
8选择模块9知识文档过滤模块
10有效知识文档库模块
M职业岗位知识体系树形拓扑架构。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明的一种知识模块化搜索系统,其特征在于,它包括
知识分析模块1,基于职业岗位知识模块化架构,对职业岗位的知识进行精确分析;
知识属性模块2,基于职业岗位知识模块化架构,在精确分析的基础上,对知识作出属性定义;
用户画像模块3,用于针对目标用户,刻画所述目标用户的用户画像;
用户属性模块4,根据所述目标用户的用户画像,定义用户属性;
搜索引擎模块5,基于对知识属性及用户属性的定义,通过搜索获得初步的知识文档库;
学术专家库模块6,用于列举概念、原理类基础知识的专家;
行业专家库模块7,用于列举技术、应用类专业知识的专家;
选择模块8,用于从学术专家库和行业专家库中选取其一;
知识文档过滤模块9,基于学术专家库模块6或行业专家库模块7,过滤初步的知识文档库;
有效知识文档库模块10,用于向目标用户展示经过滤后有效的知识文档库。
如图2所示,所述学术专家库模块6包括
学术专家库等级模块601,基于学术专家的权威定义其学术专家库等级;
学术专家库评价模块602,基于互联网用户的评价定义学术专家的等第。
如图3所示,所述行业专家库模块7包括,
行业专家库属性模块701,基于消费者用户的行业属性对行业专家排序;
行业专家库等级模块702,基于行业专家的权威定义其学术专家库等级;
行业专家库评价模块703,基于互联网用户的评价定义行业专家的等第。
它包括职业岗位知识体系树形拓扑架构M,根节点职业岗位下分为四层:系统层、课程层、单元层和知识点层,所述系统层与课程层组成职业岗位知识模块化架构。
参见图4,系统层包括通用知识模块M1、专业知识模块M2、管理知识模块M3直至行业知识模块Mk;
所述课程层为系统层的下一层,其包括通用知识模块M1的下层子节点课程M11直至课程M1j、专业知识模块M2的下层子节点课程M21直至课程M2j、管理知识模块M3的下层子节点课程M31直至课程M3j、行业知识模块Mk的下层子节点课程Mk1直至课程Mkj及其它知识模块的下层子节点课程。
单元层为课程层的下一层,其包括课程M11的下层子节点知识单位M111直至知识单位M11m、课程M1j的下层子节点知识单位M1j1直至知识单位M1jm、课程Mk1的下层子节点知识单位Mk11直至知识单位Mk1m、课程Mkj的下层子节点知识单位Mkj1直至知识单位Mkjm及其它课程的下层子节点单元;
知识点层为单元层的下一层,其包括知识单位M111的下层子节点知识点M1111直至知识点M111n、知识单位M11m的下层子节点知识点M11m1直至知识点M11mn、知识单位M1j1的下层子节点知识点M1j11直至知识点M1j1n、知识单位M1jm的下层子节点知识点M1jm1直至知识点M1jmn、知识单位Mk11的下层子节点知识点Mk111直至知识点Mk11n、知识单位Mk1m的下层子节点知识点Mk1m1直至知识点Mk1mn、知识单位Mkj1的下层子节点知识点Mkj11直至知识点Mkj1n、知识单位Mkjm的下层子节点知识点Mkjm1直至知识点Mkjmn及其它知识单位的下层子节点知识点。
系统层的知识模块和课程层的课程的构建具有独立性;不同职业岗位的系统层的知识模块和课程层的课程可互换;系统层的知识模块和课程层的课程可部分移植复用;所述单元层和知识点层构成知识架构的基本要素,知识点层需要精确定义。
实施例1
以系统层为例,创建“实施顾问”职业岗位的知识模块化架构,系统层包括<M1通用知识、M2专业知识、M3管理知识、M4项目管理知识、M5行业知识>,参见图5。
通用知识模块,属不同行业、组织规模范畴,仅与职业岗位的等级相关,如(初级、中级、高级、专家级)相关;“实施顾问”属中级职位,通用知识模块M1包括<卓有成效的管理者、高效能人士的七个习惯、……、完美咨询>。专业知识、管理知识模块与职业岗位特性紧密关联,专业知识模块M2包括<ERP原理、信息管理系统、流程优化与再造、……、SQL查询凡人入门>;管理知识模块M3包括<物料管理入门、精益思想、……、目标>;项目管理知识模块,属职业特性范畴(如软件开发、产品开发、工程项目等),与职业岗位的等级相关具有一定的相关性,项目管理知识模块M4包括<项目管理知识体系指南、……>;行业知识模块,与行业紧密关联,与具体职业岗位关联强,如“实施顾问”在注塑行业工作,需具备行业的特点,行业知识模块M5包括<注塑成型工艺技术和生产管理、……>。
来自平台用户的生产者构建各自的实施顾问职业岗位知识架构,如不同行业(汽车整车、汽车零部件、工程机械、电子、精密仪器等)的实施顾问职业岗位知识架构。
来自平台用户的生产者构建各自的“实施顾问”职业岗位知识架构,若仅构建自身职业岗位专业或具有深邃的洞察力的知识,对自身未能精确定义或无独立见解,直接移植借用其他生产者的系统层的知识模块内容,知识内容产权归原版权提供者,生产者在构建知识模块中的内容时,基于已构建了知识模块化,精确的定义了信息检索内容,精确搜索到可供参考知识内容,来构建自己的知识模块化内容;或未能超越知识内容的版权者,可注明链接,及出处。
实施例2
概念、原理类的基础知识的搜索系统处理方法,具体步骤如下:
S1:定义模块化知识。
根据模块化知识属性:<知识类别,知识层级,……,知识领域等>,平台定义模块化知识的属性,如“卓有成效的管理者”知识属性:<概念类,中级,……,通用知识等>。
S2:定义黑名单网站库。
平台以无罪推定原则定义黑名单网站库,如钓鱼网站、广告泛滥网站,识别搜索引擎的垃圾制造者。
S3:定义检索模型。
基于知识模块化的知识属性精确定义、用户属性的精确定义,以及模块化知识架构的合理定义,简化平台检索模型对算法的要求,平台检索模型使用Rocchio算法即可满足精确检索:
平台对查准率的追求,只允许进行正反馈,{α,β,γ}的参数设置为{1,0.75,0}:
S4:检索知识文档库。
平台依据生成模块化知识定义的查询语义,使用上述设计的检索模型,搜索出初步知识文档库,通过定义黑名单网站库,过滤出合格的知识文档库。
S5:选择学术专家库。
S6:定义学术专家库。
平台对于概念、原理类的基础知识,追求目标是知识的权威和经典,学术专家库主要数据如:诺贝尔奖获得者、两院院士、长江学者、杰青、千人等全球学科带头人,根据作者的权威排名来定义其学术专家库等级,具体数据来源于互联网和社会公开资料;
对不包含在学术专家库的知识文档,获取互联网第三方的用户评价信息排序,不满足一定量化等级用户评价,例如没有半数以上好评的文档,直接视为无效文档;
对没有第三方评价信息的行业专家库的知识文档,按时间出现顺序倒序排列,并置于知识文档库的最后。
S7:定义过滤机制及排序机制。
平台过滤机制:优先考虑专家的学术专家库等级,其次考虑文档互联网的评价等第,如评价等级A(等第制),即为有效知识文档,排序机制:优先依照学术专家库等级,次优互联网评价等级,总体倒排机制。
S8:输出有效知识文档库。
通过过滤机制和排序机制,最终获得有效知识文档库。
该处理方法满足知识工作者高效获得概念、原理类的基础知识,为知识工作者提供有效的学习平台。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种知识模块化搜索系统,其特征在于,它包括
知识分析模块,基于职业岗位知识模块化架构,对职业岗位的知识进行精确分析;
知识属性模块,基于职业岗位知识模块化架构,在精确分析的基础上,对知识作出属性定义;
用户画像模块,用于针对目标用户,刻画所述目标用户的用户画像;
用户属性模块,根据所述目标用户的用户画像,定义用户属性;
搜索引擎模块,基于对知识属性及用户属性的定义,通过搜索获得初步的知识文档库;
学术专家库模块,用于列举概念、原理类基础知识的知识文档及其作者;
行业专家库模块,用于列举技术、应用类专业知识的知识文档及其作者;
选择模块,用于从学术专家库模块和行业专家库模块中选取其一;
知识文档过滤模块,基于学术专家库模块或行业专家库模块,过滤初步的知识文档库;
有效知识文档库模块,用于向目标用户展示经过滤后有效的知识文档库。
2.根据权利要求1所述的一种知识模块化搜索系统,其特征在于,所述学术专家库模块包括
学术专家库等级模块,基于知识文档作者的权威定义其学术专家库等级;
学术专家库评价模块,基于互联网用户的评价定义学术专家的等第。
3.根据权利要求1所述的一种知识模块化搜索系统,其特征在于,所述行业专家库模块包括,
行业专家库属性模块,记录消费者用户的行业属性;
行业专家库等级模块,基于知识文档作者的权威定义其学术专家库等级;
行业专家库评价模块,基于互联网用户的评价定义知识文档的等第。
4.根据权利要求1所述的一种知识模块化搜索系统,其特征在于,它包括职业岗位知识体系树形拓扑架构,根节点职业岗位下分为四层:系统层、课程层、单元层和知识点层,所述系统层与课程层为职业岗位知识模块化架构。
5.根据权利要求4所述的一种知识模块化搜索系统,其特征在于,所述系统层包括通用知识模块M1、专业知识模块M2、管理知识模块M3直至行业知识模块Mk;
所述课程层为系统层的下一层,其包括通用知识模块M1的下层子节点课程M11直至课程M1j、专业知识模块M2的下层子节点课程M21直至课程M2j、管理知识模块M3的下层子节点课程M31直至课程M3j、行业知识模块Mk的下层子节点课程Mk1直至课程Mkj及其它知识模块的下层子节点课程。
6.根据权利要求5所述的一种知识模块化搜索系统,其特征在于,所述单元层为课程层的下一层,其包括课程M11的下层子节点知识单位M111直至知识单位M11m、课程M1j的下层子节点知识单位M1j1直至知识单位M1jm、课程Mk1的下层子节点知识单位Mk11直至知识单位Mk1m、课程Mkj的下层子节点知识单位Mkj1直至知识单位Mkjm及其它课程的下层子节点单元;
所述知识点层为单元层的下一层,其包括知识单位M111的下层子节点知识点M1111直至知识点M111n、知识单位M11m的下层子节点知识点M11m1直至知识点M11mn、知识单位M1j1的下层子节点知识点M1j11直至知识点M1j1n、知识单位M1jm的下层子节点知识点M1jm1直至知识点M1jmn、知识单位Mk11的下层子节点知识点Mk111直至知识点Mk11n、知识单位Mk1m的下层子节点知识点Mk1m1直至知识点Mk1mn、知识单位Mkj1的下层子节点知识点Mkj11直至知识点Mkj1n、知识单位Mkjm的下层子节点知识点Mkjm1直至知识点Mkjmn及其它知识单位的下层子节点知识点。
7.一种知识模块化搜索处理方法,其特征在于,包括如下步骤:
S1、根据职业岗位知识模块化架构,定义模块化知识的属性和用户属性;
S2、基于知识模块化架构的知识属性精确定义、用户属性的精确定义,以及模块化知识架构的合理定义,定义检索模型为Rocchio算法:
对查准率的追求,只允许进行正反馈,{α,β,γ}的参数设置为{1,0.75,0}:
S3、依据生成模块化知识定义的查询语义,使用Rocchio算法,搜索出初步知识文档库;
S4、选择学术专家库,跳转S5;选择行业专家库,跳转S7;
S5、收集概念、原理类的基础知识文档及其作者,建立学术专家库;
S6、学术专家库由高到低对知识文档进行排序,跳转S9;
S7、收集技术、应用类的专业知识文档及其作者,建立行业专家库;
S8、行业专家库由高到低对知识文档进行排序,跳转S9;
S9、根据学术专家库或行业专家库的排序,滤除初步知识文档库内排序为倒数1/4~1/6以内的知识文档;
S10、得到有效的知识文档库。
8.根据权利要求7所述的一种知识模块化搜索处理方法,步骤S6包括
S601、依照作者的行业专家库由高到低对知识文档进行排序;
S602、作者的行业专家库等级相同时,依照文档的评价等第由高到低对知识文档进行排序。
9.根据权利要求7所述的一种知识模块化搜索处理方法,步骤S8包括
S801、依照消费者用户的行业属性由高到低对知识文档进行排序;
S802、消费者用户的行业属性相同时,依照作者的行业专家库等级由高到低对知识文档进行排序;
S803、消费者用户的行业属性相同、作者的行业专家库等级也相同时,依照文档的评价等第由高到低对知识文档进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811003035.5A CN109271586A (zh) | 2018-08-30 | 2018-08-30 | 一种知识模块化搜索系统及处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811003035.5A CN109271586A (zh) | 2018-08-30 | 2018-08-30 | 一种知识模块化搜索系统及处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109271586A true CN109271586A (zh) | 2019-01-25 |
Family
ID=65154935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811003035.5A Pending CN109271586A (zh) | 2018-08-30 | 2018-08-30 | 一种知识模块化搜索系统及处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109271586A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428967A (zh) * | 2020-03-02 | 2020-07-17 | 四川宝石花鑫盛油气运营服务有限公司 | 基于岗位为基本单元的文件管理方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528656A (zh) * | 2016-10-20 | 2017-03-22 | 杨瀛 | 一种基于学员历史和实时学习状态参量实现课程推荐的方法和系统 |
CN106649833A (zh) * | 2016-12-29 | 2017-05-10 | 山东科技大学 | 基于知识模块的知识数据库构建方法、查询方法及系统 |
CN106933983A (zh) * | 2017-02-20 | 2017-07-07 | 广东省中医院 | 一种中医药知识图谱的构建方法 |
-
2018
- 2018-08-30 CN CN201811003035.5A patent/CN109271586A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528656A (zh) * | 2016-10-20 | 2017-03-22 | 杨瀛 | 一种基于学员历史和实时学习状态参量实现课程推荐的方法和系统 |
CN106649833A (zh) * | 2016-12-29 | 2017-05-10 | 山东科技大学 | 基于知识模块的知识数据库构建方法、查询方法及系统 |
CN106933983A (zh) * | 2017-02-20 | 2017-07-07 | 广东省中医院 | 一种中医药知识图谱的构建方法 |
Non-Patent Citations (1)
Title |
---|
王欣艺: "信息检索中相关反馈算法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428967A (zh) * | 2020-03-02 | 2020-07-17 | 四川宝石花鑫盛油气运营服务有限公司 | 基于岗位为基本单元的文件管理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Knoblock et al. | Exploiting semantics for big data integration | |
Chebotko et al. | A big data modeling methodology for Apache Cassandra | |
CN103995858B (zh) | 基于任务分解的个性化知识主动推送方法 | |
CN105787068B (zh) | 基于引用网络及用户熟练度分析的学术推荐方法及系统 | |
US20120215768A1 (en) | Method and Apparatus for Creating Binary Attribute Data Relations | |
Wang | Big data algebra (BDA): a denotational mathematical structure for big data science and engineering | |
Li et al. | A three-tier profiling framework for adaptive e-learning | |
Rinaldi et al. | A matching framework for multimedia data integration using semantics and ontologies | |
CN108062369A (zh) | 一种整合情境的多态性泛在学习资源聚合方法及系统 | |
Elayidom et al. | A generalized data mining framework for placement chance prediction problems | |
CN106897437A (zh) | 一种知识系统的高阶规则多分类方法及其系统 | |
Hu et al. | A Virtual Dataspaces Model for large-scale materials scientific data access | |
Yang et al. | Reusing design knowledge based on design cases and knowledge map | |
CN114117065A (zh) | 基于电力生产统计业务的知识图谱构建方法及系统 | |
CN109271586A (zh) | 一种知识模块化搜索系统及处理方法 | |
Daoud et al. | Building a new semantic social network using semantic web-based techniques | |
Blümel et al. | The quest for research information | |
Liang | Allocation of multi-dimensional distance learning resource based on MOOC data | |
CN106168982A (zh) | 用于特定主题的数据检索方法 | |
Chulyadyo et al. | A framework for offline evaluation of recommender systems based on Probabilistic Relational Models | |
Yang et al. | Exploration and implementation of ontology-based cultural relic knowledge map integration platform | |
Maphosa | Fifteen years of The Independent Journal of Teaching and Learning: A review and bibliometric analysis | |
OUKHOUYA et al. | Automating Data Warehouse Design With MDA Approach Using NoSQL and Relational Systems | |
Tiwari et al. | Semantically ontology merging with intelligent information retrieval using SPARQL on education domain | |
Chen et al. | Database technologies for L-system simulations in virtual plant applications on bioinformatics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190125 |